vllm-project/vllm

Cohere /v2/embed 互斥输入字段校验

值得合入，设计简洁，测试覆盖全面。推荐作为防御性编程的示例参考。

在 tokenizer 初始化前注册 HF 配置类，修复 Qwen3.5 MoE 间歇性 KeyError

值得精读，展示了如何修复多进程初始化中的全局注册时序问题。设计上提取注册函数可供后续重用，是良好的重构实践。对于需要自定义配置类的模型开发者，此思想可直接采用。

用 ParallelLoader 替换手动分片加载，提升速度并支持流水线

此 PR 设计精巧，通过外部库新特性实现性能提升，同时保持向后兼容。值得精读其回退机制和环境变量设计。对于关注模型加载性能的工程师是重要参考。

Nemotron V3 解析器迁移至流式解析引擎框架

该 PR 值得精读，尤其关注 `_discover_parsers()` 的自动发现设计模式和新旧解析器方法签名的一致性。这是 vLLM 解析器基础设施演进的重要一步，为未来统一所有模型的流式推理解析奠定基础。

使 Rust 前端强制要求 vocab_size 存在，移除冗余字段

建议审阅者重点关注复合模型的递归解析是否完善，以及移除 `num_attention_heads` 验证是否影响特殊模型。整体设计方向正确，通过使模型配置契约更严格提高了可靠性和可维护性，值得合并。

修复 Gemma4 离线解析截断和 thinking 禁用时的 token 泄漏

建议阅读此 PR 了解 Gemma4 工具调用问题的修复模式，特别是 `adjust_request` 和 `is_reasoning_end` 的逻辑。强烈关注后续 PR #45832 以解决 `adjust_request` 回归。对于 Gemma4 用户，建议升级并监控工具调用行为。

修复 XPU 上 Triton attn 的 fp8/bf16 检查失败

该 PR 是典型的平台兼容性修复，值得相关平台维护者精读。设计上采用`current_platform`抽象来区分平台，做法规范。对于涉及平台特性检查的代码，推荐参考此模式。

修复多模态模型prompt_embeds与异步调度的兼容性

此PR值得精读。它提供了一个清晰的异步调度中GPU数据同步Bug的调试和修复案例，展示了如何通过分析不同调度路径中的GPU copy时机来定位问题。对于理解vLLM的输入批次管理和多模态嵌入路径有重要参考价值。